function?[r_Ydr_errr_Ys]?=?SVM（traindatagoaldataperiod）
%?使用循環語句對每一種參數組合都進行回歸找出最優結果
%?r_Yd?最優的回歸結果
%?r_err?最優回歸的樣本誤差
%?r_Ys?預測結果
%?------------------------------------------------------------%
%?Training?Samples?構造訓練樣本
%?clear;
%?data=load（‘testData.txt‘）;
n=length（traindata）;?????%?樣本數量
X=traindata（1:n-period:）;
X=X.‘;???????????????????%?訓練樣本d×n的矩陣n為樣本個數d為樣本維數
Y=goaldata（period+1:n:）;
Y=Y.‘;???????????????????%?訓練目標1×n的矩陣n為樣本個數值為期望輸出
Xs=traindata（n-period+1:n:）;
Xs=Xs.‘;?????????????????%?預測的自變量d×1的矩陣d為樣本維數
%?------------------------------------------------------------%
%初始化一個較大的樣本誤差
r_err=1e10;

%?------------------------------------------------------------%
%尋找適合的懲罰系數，不敏感損失函數的參數以及核函數
for?c=0:2
??for?e=0:2
??????for?ty=1:?4???????????%確定核函數類型
???????????%?------------------------------------------------------------%
???????????%?ker??核參數（結構體變量）
???????????%?the?following?fields:
???????????%???type???-?linear?:??k（xy）?=?x‘*y
???????????%????????????poly???:??k（xy）?=?（x‘*y+c）^d
???????????%????????????gauss??:??k（xy）?=?exp（-0.5*（norm（x-y）/s）^2）
???????????%????????????tanh???:??k（xy）?=?tanh（g*x‘*y+c）
???????????%???degree?-?Degree?d?of?polynomial?kernel?（positive?scalar）.
???????????%???offset?-?Offset?c?of?polynomial?and?tanh?kernel?（scalar?negative?for?tanh）.
???????????%???width??-?Width?s?of?Gauss?kernel?（positive?scalar）.
???????????%???gamma??-?Slope?g